[发明专利]基于联邦学习的自动驾驶训练方法、设备及介质

说明书

本申请公开了一种基于联邦学习的自动驾驶训练方法、设备和介质，应用于云端服务器，所述方法包括：在检测到训练指令时，获取预设待训练模型，将所述预设待训练模型发送给预设行驶范围内的各目标车辆；获取所述各目标车辆基于各自实时本地数据集对所述预设待训练模型进行训练后得到的各第一目标模型参数；基于所述各第一目标模型参数，执行预设联邦流程，并对所述预设待训练模型进行迭代训练，得到第二目标模型参数；将所述第二目标模型参数发送给所述目标车辆，以供各所述目标车辆基于所述第二目标模型参数得到各自的目标模型，以实现各自的自动驾驶功能。本申请解决现有技术中难以快速准确获取有效自动驾驶模型的技术问题。

技术领域

本申请涉及互联网科技的人工智能技术领域，尤其涉及一种基于联邦学习的自动驾驶训练方法、设备及介质。

背景技术

随着金融科技，尤其是互联网科技的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在互联网科技领域，但互联网科技领域业也对技术提出了更高的要求，如互联网科技领域对基于联邦学习的自动驾驶训练也有更高的要求。

近来，自动驾驶技术发展非常迅速，自动驾驶的应用具有降低驾驶工作强度，缓解驾驶疲劳，提升驾驶安全，降低事故率等优点，其中，环境感知是自动驾驶的核心技术之一，自动驾驶通过环境感知的结果进行分析和决策，作为路径规划的依据，从而实现自动驾驶，环境感知包括车道检测、行人检测、交通标志识别、障碍物检测等。

目前，环境感知是通过基于深度学习训练得到的识别目标的模型实现的，但是现有技术中，往往是基于离线数据，通过深度学习即通过离线的方式，训练得到识别目标的模型，进而再进行各个环境场景的实际应用，而离线训练得到的模型往往会存在局部性，即离线训练得到的模型与实际环境不匹配的问题，且离线训练数据往往是庞大的，导致训练过程中数据传输负载过多，导致模型训练效率低，也即，现有技术中存在难以快速准确获取有效自动驾驶模型的技术问题。

发明内容

本申请的主要目的在于提供一种基于联邦学习的自动驾驶训练方法、设备和介质，旨在解决现有技术中难以快速准确获取有效自动驾驶模型的技术问题。

为实现上述目的，本申请提供一种基于联邦学习的自动驾驶训练方法，应用于云端服务器，所述基于联邦学习的自动驾驶训练方法包括：

在检测到训练指令时，获取预设待训练模型，将所述预设待训练模型发送给预设行驶范围内的各目标车辆；

获取所述各目标车辆基于各自实时本地数据集对所述预设待训练模型进行训练后得到的各第一目标模型参数；

基于所述各第一目标模型参数，执行预设联邦流程，并对所述预设待训练模型进行迭代训练，得到第二目标模型参数；

将所述第二目标模型参数发送给所述目标车辆，以供各所述目标车辆基于所述第二目标模型参数得到各自的目标模型，以实现各自的自动驾驶功能。

可选地，所述在检测到训练指令时，获取预设待训练模型，将所述预设待训练模型发送给预设行驶范围内的各目标车辆的步骤，包括：

在检测到训练指令时，根据所述训练指令中携带的区域属性，从预设模型集合中选取所述预设待训练模型；

将所述预设待训练模型发送给预设行驶范围内的各目标车辆。

可选地，所述在检测到训练指令时，根据所述训练指令中携带的区域属性，从预设模型集合中选取所述预设待训练模型的步骤，包括：

在检测到训练指令时，根据所述训练指令中携带的区域属性，从预设模型集合中选取预设模型子集合；

根据所述训练指令中携带的时间信息以及车辆类型信息，从预设模型子集合中选取所述预设待训练模型。